关于平均值滤波对纹路提取的作用

在工作和学习过程中，发现有些很基本的滤波技巧一直没有反应过来，从而导致在细小纹路提取的过程中，总会存在将图像中的噪声信号也给放大，导致细小特征容易覆盖在大的噪声中去,故此，在提取纹路特征的时候，尤其是梯度不大的纹路特征上，前期的滤波操作就尤为重要了。
那么细小特征为什么图像需要滤波？
由于图像中，存在噪声信号，有时候，噪声信号的梯度可能比纹路特征还要大，但噪声信号的梯度方向没有拓扑结构（或者说没有连贯性），当采用滤波技巧后，减去原有图像，乘以相关系数后，可以拉伸梯度值，能够明显的从原图像中放大出来，再结合其他的变化后，就可以实现梯度放大，但同时能够保证噪声的放大比，比细纹的放大比小
比如如图所示
我们将原图转黑白后，进行5*5的均值滤波，（src - 滤波图）*2 ，效果如下：

可以明显看到，图像中细小纹路也存在保留。
一般来讲，如果图像亮暗度均匀，采用均值滤波的效果是最为明显的，因为亮暗度均匀时，噪声点更多是孤立的存在，这样对于即使纹路梯度为±1的梯度，也会表现出聚合性（噪声会显得很离散）。故此，可以选择合适的size，对转换后的图像再进一次median滤波处理

PS：
本人第一次写技术博客，如有不对的地方，望执政，谢谢。